我正在使用 SVM 对属于两个不同组（患者与对照组）的患者的临床图像进行分类。我使用 PCA 从每个图像中提取特征向量，但我想添加其他临床信息（例如，临床检查的输出值）以便将其包含在分类过程中。有没有办法做到这一点？我没有在文献中找到详尽的建议。提前致谢。
问问题
127 次
2 回答
1
您可以在每个样本的末尾附加新信息。您可以尝试的其他方法是使用两个额外的分类器，一个可以使用附加信息进行训练，第三个分类器将其他两个分类器的输出作为输入以产生最终预测。
于 2013-05-17T18:31:10.003 回答
0
这个问题已经很老了，不过我会发布我的答案。
如果您必须缩放值，请确保将新值缩放到 PCA 向量中值的相似范围。如果您的 PCA 特征向量具有恒定长度，您只需从长度+1 开始枚举您的特征，例如 SVM 输入 (libsvm)：
1 1:<PCAval1> ... N:<PCAvalN> N+1:<Clinical exam value 1> ...
我做了一个测试，为细胞识别和提高的准确性添加了这样的一般特征。
本指南描述了如何使用枚举器功能。
PS：在我的测试中，我已经从显微镜图像中分离出细胞并将其压缩到 16x16 的矩阵中。该矩阵中的每个像素都是一个特征 - 256 个特征。此外，我还添加了一些功能，如原始大小、时刻等。
于 2013-11-08T10:37:33.577 回答